接到豬腳飯訂單，外賣員為何第一時間向國安機關報告？
2026-01-07 03:27 2,714次浏览成都8月8日電 題：13歲「小孩姐」闖世運：壁球場上學無止境 作者 王利文 當日本壁球名將渡邊聰美的扣殺在玻璃牆震出嗡鳴，13歲的中國選手殷子媛仰頭盯著那道白色弧線，馬尾辮被汗水浸透貼在頸間。8日的成都世運會壁球場館內，比賽定格在0：3。首戰略顯遺憾，這位本屆世運會賽場上最年輕的選手向著看臺握拳比了個「繼續努力」的手勢。 壁球19世紀在英國起源，運動員在封閉式的矩形球場內，通過將球擊向牆面使對方無法合法回球得分。這項運動具有短距離衝刺、快速變向、立體空間擊球等特點，兼具爆發力與策略性，被譽為「室內運動之王」，1997年首次登上世界運動會的舞臺。 8月8日，成都世運會壁球項目開賽，13歲的中國選手殷子媛(右)迎戰日本選手渡邊聰美。記者 張浪 攝 殷子媛的世運會首秀頗具戲劇性。對手渡邊聰美不僅是目前世界排名第六的高手，兩年前還曾在日本青少年公開賽上指導過她。「當時我才10歲出頭，拿著合影看了好久。」殷子媛笑著說，賽前看到對陣表時竟有些小激動，「能抽到跟她過招，是特別難得的學習機會」。 比賽中，渡邊聰美的快節奏進攻讓殷子媛有些措手不及。「她的球路太刁鑽了，身體對抗也佔優勢，我一被撞就有點懵。」小姑娘坦言，自己原本計劃的「後場調動+突擊」戰術沒能施展，場邊教練「放開打」的寬慰讓她逐漸放鬆，「至少把平時練的都打出來了，不算遺憾」。 這位開學即將升入八年級的選手，練球已有五年。「爸爸開壁球館，我試過好多項運動，最終還是迷上了這個『小空間裡的大博弈』。」殷子媛比喻，壁球就像「運動中的西洋棋」，在球場中，既要拼速度，又要算策略，「每一拍都得動腦筋，特別有意思」。 8月8日，成都世運會壁球項目開賽，13歲的中國選手殷子媛(左)迎戰日本選手渡邊聰美。記者 張浪 攝 球拍與習題冊的碰撞，構成了殷子媛的日常。她掰著手指算：下午三點半放學後來到球館，練到晚上八九點結束，間隙扒口飯、寫會作業，周末會再加練兩三個小時。 當被問及「最小選手」的身份壓力，她擺擺手：「年齡和水平沒關係呀！隊裡的哥哥姐姐都很照顧我，我們的訓練內容也相同。」這次賽前在成都集訓的經歷，也讓她收穫了不少過招經驗。 儘管首戰失利，殷子媛仍期待著明日的遺材賽(為正式比賽早期被淘汰選手設置的附加賽事)：「放開打，比輸贏更重要的是學到新東西。」賽場外的她，剛看完可愛的大熊貓，還盼著能和開幕式上見到的遊泳名將潘展樂合張影。 對於2028年洛杉磯奧運會——壁球首次入奧的舞臺，殷子媛心嚮往之：「我想站上奧運會的賽場。」她為夢想鋪就著清晰路徑：世運會賽事一收官，便馬不停蹄趕回上海備戰下一場較量；未來幾年，徵戰PSA(職業壁球協會)衛星賽攢足實戰經驗；2026年，去闖闖英國青少年壁球公開賽，一步一個腳印實現奧運夢想。(完)
天津8月14日電(記者 孫玲玲)記者13日從南開大學獲悉，近日，南開大學計算機學院媒體計算實驗室取得最新研究成果，不僅從評估的角度揭示了現有AI檢測方法的性能不足，並創新性地提出了「直接差異學習」(Direct Discrepancy Learning，DDL)優化策略，教會AI用「火眼金睛」辨別人機不同，實現AI檢測性能的巨大突破。相關成果論文已被計算機多媒體領域國際頂級會議ACM MM2025(ACM International Conference on Multimedia)接收。 圖為南開大學研究團隊提出的DetectAnyLLM檢測框架以及MIRAGE基準數據集亮點全析。(南開大學 供圖) 近日，OpenAI發布新一代人工智慧模型GPT-5，再次引發全球關注。隨著DeepSeek、ChatGPT、通義千問、豆包等AIGC大模型逐漸從「新奇玩具」變成學習、工作中不可或缺的「生產力工具」，其伴生問題也日益凸顯：AI經常會「一本正經地胡說八道」，生成看似合理的虛假信息，造成「AI幻覺」；依賴AI工具代寫作業甚至畢業論文，極大衝擊著學術誠信和規範；論文AI率檢測系統有待完善，論文被誤判的問題時有發生……如何精準識別AI生成內容，成為亟待解決的熱點問題。 據了解，目前AI生成內容檢測主要有兩種路線，一種是「基於訓練的檢測方法」，使用特定數據訓練一個專用的分類模型；另一種是「零樣本檢測方法」，直接使用一個預訓練的語言模型並設計某種分類標準進行分類。 圖為AI生成內容檢測示意圖。(南開大學 供圖) 多項研究表明，現有檢測方法在應對複雜的現實場景時常顯不足。此前也曾有權威媒體報導，《荷塘月色》《流浪地球》等經典作品被某常用論文AI率檢測系統檢出高AI率。 為何現有的AI檢測工具會「誤判」？論文第一作者、南開大學計算機學院計算機科學卓越班2023級本科生付嘉晨解釋道：「如果把AI文本檢測比作一場考試，檢測器的訓練數據等同於日常練習題，現有檢測方法是機械刷題、死記硬背答題的固定套路，難以學會答題邏輯，一旦遇到全新難題，準確率就會顯著下降。」 「要想實現通用檢測，理論上需收集所有大模型的數據進行訓練，但在大模型迭代飛速的今天幾乎不可能。」付嘉晨說，讓檢測器真正學會舉一反三，即提升檢測器的泛化性能，是提升AI文本檢測性能的關鍵。 為此，研究團隊提出了DDL方法另闢蹊徑，通過直接優化模型預測的文本條件概率差異與人為設定的目標值之間的差距，幫助模型學習AI文本檢測的內在知識，可以精準捕捉人機文本間的深層語義差異，從而大幅提升檢測器的泛化能力與魯棒性。 「使用DDL訓練得到的檢測器如同有了『火眼金睛』，即便只『學習』過DeepSeek-R1的文本，也能精準識別像GPT-5這樣最新大模型生成的內容。」付嘉晨說。 團隊還提出了一個全面的測試基準數據集MIRAGE，使用13種主流的商用大模型(如豆包、DeepSeek、Kimi等)以及4種先進的開源大模型(如Qwen等)，從AI生成、潤色、重寫三個角度構造了接近十萬條人類-AI文本對。 「MIRAGE是目前唯一聚焦於對商用大語言模型檢測的基準數據集。直觀地說，之前的基準數據集是由少而且能力簡單的大模型命題出卷，而MIRAGE是17個能力強大的大模型聯合命題，形成一套高難度、又有代表性的檢測試卷。」論文通訊作者、南開大學計算機學院副教授郭春樂說。 在MIRAGE的測試結果顯示，現有檢測器的準確率從在簡單數據集上的90%驟降至約60%；而使用DDL訓練的檢測器仍保持85%以上的準確率。與史丹福大學提出的DetectGPT相比，性能相對提升71.62%；與馬裡蘭大學、卡內基梅隆大學等共同提出的Binoculars方法相比，性能相對提升68.03%。 「AIGC發展日新月異，我們將持續迭代升級評估基準和技術，致力於實現更快、更準、更低成本的AI生成文本檢測，以AI之力，讓每一篇成果更出彩。」研究團隊負責人、南開大學計算機學院教授李重儀說。(完)
免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。
成人免费直播
「活动」首次登录送新手大礼包
- 软件大小: 186.74MB
- 最后更新: 2026-01-07 03:27
- 最新版本: v4.15.6.13
- 文件格式: apk
- 应用分类:ios-Android 蝶恋直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 9.71以上
客服热线：139-3158-9251
79812
23451
68
2026-01-07 03:27
68124
37
2026-01-07 03:27
62351
46
2026-01-07 03:27
29361
61
2026-01-07 03:27
79265
69
2026-01-07 03:27
61254
21
2026-01-07 03:27
26134
94
2026-01-07 03:27
72436
24
2026-01-07 03:27
45918
98
2026-01-07 03:27
65341
62
47
63845
17
19
16952
78
96
